2019 Fiscal Year Annual Research Report
Machine learning for extracting latent dynamics from data
| Project/Area Number |
18H03287
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
河原 吉伸 九州大学, マス・フォア・インダストリ研究所, 教授 (00514796)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中尾 裕也 東京工業大学, 工学院, 教授 (40344048)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 機械学習 / データ科学 / 非線形動力学 |
|---|
| Outline of Annual Research Achievements |
本研究では，(課題1) 作用素論的ダイナミクス抽出法のベイズ学習に基づく定式化とその拡張・体系化，(課題2) 主要なダイナミクス特定のための統計的推測方法の確立，及び (課題3) 抽出情報に基づくダイナミクス予測のための学習アルゴリズム構築，の3課題を明らかにすることで研究目的の達成する．
当該年度では，まず (課題2) に関連して，複数のデータセットがある際に、複数タスク学習を用いた動的モード分解を行うことでその共通性を利用してダイナミクスを抽出する方法の導出を行なった (Fujii & Kawahara, Pat. Rec. Let.)．また (課題3) に関連して，抽出したダイナミクス間の距離に相当する量の計算方法を導出し (正定値カーネル)、これに基づき予測を行う枠組みを確立しその検証を行なった (Bito et al., IJCNN'19)．
これらの枠組みは，例えばスポーツなどの複数の動的対象から得られるデータへの適用などを通してその有用性を確認した (Fujii et al., Sci. Rep.など)．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初想定していた計画においては，(課題1) の (Sub1-1)「作用素論的解析のベイズ学習を中心とした確率的定式化と学習アルゴリズの導出」について，その基本となる動的モード分解の確率モデルの導出，及びその再生カーネルを用いた一般化を想定していた．前者については前年度計画通り遂行されたが，後者については計画から遅れていたが今年度でその枠組みは導出できた．また (課題2) については，当初考えていた統計的方法 (bootstrapなど) の適用についてはまだ十分に検討は進んでいないものの，上記実績に記載したような実用性の高いアルゴリズムなどの導出など，当初想定していた枠組みからの発展的成果も出ている．
以上のように，一部計画から変更が生じているものの，発展的な内容の成果も出ており，全体としてはおおむね順調に進展していると考えている．
|
| Strategy for Future Research Activity |
上記のように，これまでは本研究課題はおおむね順調に進展しており，基本的には今後も当初計画に沿って進めていこうと考えている．
一方で，本課題に関連したJST CREST課題も採択され10月から研究が開始されたが，この課題は当該課題よりも数理的基礎に関するものであるため，その成果を当該課題へ援用するなどしてより発展的に進めていきたいと考えている．
|
